This is the Windows app named RefineNet whose latest release can be downloaded as refinenetsourcecode.tar.gz. It can be run online in the free hosting provider OnWorks for workstations.
RefineNet എന്ന് പേരിട്ടിരിക്കുന്ന ഈ ആപ്പ് OnWorks-നൊപ്പം സൗജന്യമായി ഓൺലൈനായി ഡൗൺലോഡ് ചെയ്ത് പ്രവർത്തിപ്പിക്കുക.
ഈ ആപ്പ് പ്രവർത്തിപ്പിക്കുന്നതിന് ഈ നിർദ്ദേശങ്ങൾ പാലിക്കുക:
- 1. നിങ്ങളുടെ പിസിയിൽ ഈ ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്തു.
- 2. ഞങ്ങളുടെ ഫയൽ മാനേജറിൽ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിൽ നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമം നൽകുക.
- 3. അത്തരം ഫയൽമാനേജറിൽ ഈ ആപ്ലിക്കേഷൻ അപ്‌ലോഡ് ചെയ്യുക.
- 4. ഈ വെബ്‌സൈറ്റിൽ നിന്ന് ഏതെങ്കിലും OS OnWorks ഓൺലൈൻ എമുലേറ്റർ ആരംഭിക്കുക, എന്നാൽ മികച്ച Windows ഓൺലൈൻ എമുലേറ്റർ.
- 5. നിങ്ങൾ ഇപ്പോൾ ആരംഭിച്ച OnWorks Windows OS-ൽ നിന്ന്, നിങ്ങൾക്ക് ആവശ്യമുള്ള ഉപയോക്തൃനാമത്തോടുകൂടിയ ഞങ്ങളുടെ ഫയൽ മാനേജർ https://www.onworks.net/myfiles.php?username=XXXXX എന്നതിലേക്ക് പോകുക.
- 6. ആപ്ലിക്കേഷൻ ഡൗൺലോഡ് ചെയ്ത് ഇൻസ്റ്റാൾ ചെയ്യുക.
- 7. നിങ്ങളുടെ Linux വിതരണ സോഫ്റ്റ്‌വെയർ ശേഖരണങ്ങളിൽ നിന്ന് വൈൻ ഡൗൺലോഡ് ചെയ്യുക. ഇൻസ്റ്റാൾ ചെയ്‌തുകഴിഞ്ഞാൽ, വൈൻ ഉപയോഗിച്ച് അവ പ്രവർത്തിപ്പിക്കുന്നതിന് നിങ്ങൾക്ക് ആപ്പിൽ ഡബിൾ ക്ലിക്ക് ചെയ്യാം. ജനപ്രിയ വിൻഡോസ് പ്രോഗ്രാമുകളും ഗെയിമുകളും ഇൻസ്റ്റാൾ ചെയ്യാൻ സഹായിക്കുന്ന വൈനിലൂടെയുള്ള ഫാൻസി ഇന്റർഫേസായ PlayOnLinux നിങ്ങൾക്ക് പരീക്ഷിക്കാവുന്നതാണ്.
ലിനക്സിൽ വിൻഡോസ് സോഫ്റ്റ്‌വെയർ പ്രവർത്തിപ്പിക്കാനുള്ള ഒരു മാർഗമാണ് വൈൻ, എന്നാൽ വിൻഡോസ് ആവശ്യമില്ല. ഏത് ലിനക്സ് ഡെസ്ക്ടോപ്പിലും നേരിട്ട് വിൻഡോസ് പ്രോഗ്രാമുകൾ പ്രവർത്തിപ്പിക്കാൻ കഴിയുന്ന ഒരു ഓപ്പൺ സോഴ്സ് വിൻഡോസ് കോംപാറ്റിബിലിറ്റി ലെയറാണ് വൈൻ. അടിസ്ഥാനപരമായി, വൈൻ ആദ്യം മുതൽ ആവശ്യത്തിന് വിൻഡോസ് വീണ്ടും നടപ്പിലാക്കാൻ ശ്രമിക്കുന്നു, അതുവഴി യഥാർത്ഥത്തിൽ വിൻഡോസ് ആവശ്യമില്ലാതെ തന്നെ എല്ലാ വിൻഡോസ് ആപ്ലിക്കേഷനുകളും പ്രവർത്തിപ്പിക്കാൻ കഴിയും.
സ്ക്രീൻഷോട്ടുകൾ
Ad
റിഫൈൻനെറ്റ്
വിവരണം
സെമാന്റിക് ഇമേജ് സെഗ്മെന്റേഷനും പൊതുവായ ഡെൻസ് പ്രെഡിക്ഷൻ ടാസ്‌ക്കുകളും ഉൾക്കൊള്ളുന്ന ഒരു MATLAB-അധിഷ്ഠിത ഫ്രെയിംവർക്കാണ് RefineNet. CVPR 2017 ലെ RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation എന്ന പേപ്പറിലും TPAMI 2019-ൽ പ്രസിദ്ധീകരിച്ച അതിന്റെ വിപുലീകൃത പതിപ്പിലും അവതരിപ്പിച്ചിരിക്കുന്ന ആർക്കിടെക്ചർ ഇത് നടപ്പിലാക്കുന്നു. ഒന്നിലധികം ബെഞ്ച്മാർക്ക് ഡാറ്റാസെറ്റുകളിലുടനീളം ഉയർന്ന നിലവാരമുള്ള സെഗ്മെന്റേഷൻ ഫലങ്ങൾ നേടുന്നതിന് ഫ്രെയിംവർക്ക് മൾട്ടി-പാത്ത് റിഫൈൻമെന്റും മെച്ചപ്പെട്ട റെസിഡ്യൂവൽ പൂളിംഗും ഉപയോഗിക്കുന്നു. ResNet-101, ResNet-152 ബാക്ക്‌ബോണുകൾ അടിസ്ഥാനമാക്കിയുള്ള പതിപ്പുകളുള്ള PASCAL VOC 2012, Cityscapes, NYUDv2, Person_Parts, PASCAL_Context, SUNRGBD, ADE20k തുടങ്ങിയ ഡാറ്റാസെറ്റുകൾക്കായി പരിശീലനം ലഭിച്ച മോഡലുകൾ ഇത് നൽകുന്നു. പരിശീലനം, പരിശോധന, സെഗ്മെന്റേഷൻ പ്രകടനം വിലയിരുത്തൽ എന്നിവയ്‌ക്കുള്ള സ്ക്രിപ്റ്റുകൾക്കൊപ്പം, റിപ്പോസിറ്ററി സിംഗിൾ-സ്കെയിൽ, മൾട്ടി-സ്കെയിൽ പ്രവചനത്തെ പിന്തുണയ്ക്കുന്നു. ഈ കോഡ്‌ബേസ് MATLAB, MatConvNet എന്നിവയ്ക്ക് മാത്രമുള്ളതാണെങ്കിലും, ഒരു PyTorch ഇംപ്ലിമെന്റേഷനും ലൈറ്റ്-വെയ്റ്റ് വേരിയന്റുകളും കമ്മ്യൂണിറ്റിയിൽ നിന്ന് ലഭ്യമാണ്.
സവിശേഷതകൾ
- ഉയർന്ന റെസല്യൂഷൻ സെമാന്റിക് സെഗ്‌മെന്റേഷനായി RefineNet നടപ്പിലാക്കുന്നു.
- ഏഴ് ബെഞ്ച്മാർക്ക് ഡാറ്റാസെറ്റുകളിൽ പരിശീലനം ലഭിച്ച മോഡലുകൾ നൽകുന്നു.
- ഫ്യൂഷൻ ഉപയോഗിച്ച് സിംഗിൾ-സ്കെയിൽ, മൾട്ടി-സ്കെയിൽ പ്രവചനത്തെ പിന്തുണയ്ക്കുന്നു
- മെച്ചപ്പെട്ട സെഗ്മെന്റേഷൻ കൃത്യതയ്ക്കായി മെച്ചപ്പെട്ട റെസിഡ്യൂവൽ പൂളിംഗ് ഉപയോഗിക്കുന്നു.
- ഇഷ്ടാനുസൃത ഡാറ്റാസെറ്റുകൾക്കായുള്ള പരിശീലന, വിലയിരുത്തൽ സ്ക്രിപ്റ്റുകൾ ഉൾപ്പെടുന്നു
- MatConvNet-ലെ ResNet-101, ResNet-152 ബാക്ക്‌ബോണുകളുമായി പൊരുത്തപ്പെടുന്നു.
പ്രോഗ്രാമിംഗ് ഭാഷ
സി++, മാറ്റ്ലാബ്, പൈത്തൺ, യുണിക്സ് ഷെൽ
Categories
ഇത് https://sourceforge.net/projects/refinenet.mirror/ എന്നതിൽ നിന്നും ലഭിക്കാവുന്ന ഒരു ആപ്ലിക്കേഷനാണ്. ഞങ്ങളുടെ സൗജന്യ ഓപ്പറേറ്റീവ് സിസ്റ്റങ്ങളിൽ ഒന്നിൽ നിന്ന് ഏറ്റവും എളുപ്പമുള്ള രീതിയിൽ ഓൺലൈനിൽ പ്രവർത്തിപ്പിക്കുന്നതിനായി ഇത് OnWorks-ൽ ഹോസ്റ്റ് ചെയ്‌തിരിക്കുന്നു.
